结合变异粒子群和字典学习的遥感影像去噪

　　针对在线字典学习需将所有字典原子全部更新、优化方向难以进行估算等原因造成精度下降的不足，提出基于变异粒子群优化的在线字典学习算法。算法基于ODL的基础，在字典学习的迭代过程中对梯度下降函数进行优化。首先选出特殊字典原子，利用各个字典原子之间关系，线性表征当前选出的原子，以线性系数作为粒子群中的粒子位置。然后将基于变异粒子群的原子更新模式引入字典学习，利用变异粒子群优化算法进行粒子的适应度淘汰，选择更适合的粒子进行下一轮的字典更新。此外，利用中间变量将历史参考数据引入变异粒子群模型以引导其优化方向，提高字典的准确性和有效性。利用高分一号遥感影像进行实验，实验结果表明该算法优于同类方法，有更好的噪音抑制效果，同时也提高了大规模的遥感图像处理性能。